HANDLINGSKATALOG OG GUIDE Partnerskab om datakvalitet på det specialiserede voksenområde

HVORFOR TALE OM DATAKVALITET? 01/

Hvorfor tale om datakvalitet? I 2019 brugte kommunerne 34 mia. på det specialiserede voksenområde En stigning på 700 mio. fra 2018-2019 uden tydelige forklaringer i datagrundlaget Styrke og udbygge datagrundlaget for at forbedre beslutningsgrundlag Datagrundlaget skal give et klart overblik over LOKALT og NATIONALT MÅLGRUPPER Datagrundlaget skal give et klart overblik over UDGIFTER Datagrundlaget skal give et klart overblik over INDSATSER STYRKET FORKLARINGSKRAFT I KOMMUNEN OG NATIONALT MED HENBLIK PÅ AT KUNNE PRIORITERE, FØLGE OP PÅ OG MÅLRETTE INDSATSERNE TIL BORGERNE 3

Hvorfor har vi brug for gode data i kommunerne Data bruges ikke systematisk til læring og udvikling Det er vanskeligt at etablere tidserier, så vi kan se og følge udviklingen Der mangler den tilstrækkelige forklaringskraft til at forklare hvorfor området udvikler sig som det gør Vi har ikke data, der gør det mulig, at følge med i, om borgeren får nytte af den støtte de modtager Der er brug for relevant og valid data, der kan understøtte at politikere og ledere kan træffe beslutninger på et oplyst grundlag Det er vanskeligt at få valide data om borgerne og indsatser 4

Hvorfor tale om datakvalitet? Nationalt (kommunernes perspektiv) Lokalt (kommunernes perspektiv) Der er begrænset forståelse for omfanget af datavalideringsbehovet Mange forskellige systemer med ufuldstændigt dataindhold Manglende kontrol mellem data i de forskellige systemer Manglende system-, registrerings- og domænekendskab Manglende samarbejde på tværs af fagligheder (sagsbehandler, økonomi og dataanalyse) Manglende godkendelse til DST eller proforma godkendelse Mange håndholdte løsninger Kommunerne kan ikke genkende data udgivet i Statistikbanken Kommunerne kan ikke genkende data i FLIS Vanskeligt at gennemskue hvordan data efterbehandles i nøgletalsløsninger Ikke tillid til benchmarking Transparent dataproces Prioritering og Kompetencer 5

Hvorfor tale om datakvalitet? Garbage in garbage out => manglende forklaringskraft og styring Lav datakvalitet skaber et forkert billede af udfordringerne og et forringet grundlag for vigtige prioriteringer og beslutninger Lav datakvalitet kan ikke bidrage til kontrol og udvikling faglige indsatser, dvs. data kan ikke understøtte strategisk udvikling på området Uanset hvor avanceret datasystemerne er, så vil input af lav datakvalitet altid medføre et forringet output til rapporteringen/analysen Vi vil kun bruge data når de er gode, men data bliver kun gode, hvis vi bruger dem 6

Hvorfor tale om datakvalitet? Lav datakvalitet skaber et forkert billede af udfordringerne og et forringet grundlag for vigtige prioriteringer og beslutninger. Lav datakvalitet kan ikke bidrage til bedre/styrkede faglige indsatser, dvs. data kan ikke understøtte strategisk og faglig udvikling på området. Uanset hvor avanceret datasystemerne er, så vil input af lav datakvalitet altid medføre et forringet output til rapporteringen/analysen og i værste fald beslutninger på et forkert grundlag. Vi vil kun bruge data når de er gode, men data bliver kun gode, hvis vi bruger dem Formålet med dette handlingskatalog er at lette arbejdet med at opnå god datakvalitet således, at data i højere grad kan anvendes. Handlingskataloget hjælper med at nedbryde arbejdet med at forbedre datakvaliteten i forskellige initiativer og redskaber, som kommunerne kan sætte i værk alt efter udgangspunkt. 7

INDHOLD OG OPBYGNING 02/

CENTRALE TEMATIKKER: UDFORDRINGER OG INITIATIVER Seks centrale tematikker Det er en omfattende og kompleks opgave at sikre vedvarende datakvalitet på det specialiserede voksenområde. Der er mange grunde til at datakvaliteten er udfordret. I partnerskabet er der kortlagt seks centrale tematikker. Tematikkerne spiller ind på forskellige stadier i arbejdet med datakvalitet og til hver af disse tematikker knytter sig vigtige opmærksomhedspunkter og udfordringer. Systemimplementeri ng Systemopsætning og systemskifte Ledelse og forankring Datakvalitet Organisering Udfordringer, handlemuligheder og initiativer Følgende guide præsenterer et udkast til et handlingskatalog med konkrete initiativer og redskaber, som knytter sig til de seks tematikker. Man kan som kommune vælge at tilgå tematikkerne enkeltvis eller samlet, men erfaringerne fra arbejdet viser, at det kræver en fokuseret og løbende indsats at skabe en vedvarende god datakvalitet. Kobling af egne data og nøgletal Registreringspraksis og arbejdsgange 9

CENTRALE TEMATIKKER: OVERORDNEDE UDFORDRINGER Systemer er ikke implementeret og integreret med blik for styringsbehov Systemimplementering er ikke kun et teknisk projekt Opsætning/konfigurering af systemerne understøtter ikke altid sagsbehandlernes arbejdsgang Der er behov for at styrke overblikket over anvendte systemer og mulige datakilder Konsekvenserne af og opfølgning på systemskifte ift. datavaliditet og kontinuitet er mangelfuld Forklaringskraften ift. aktivitetsdata forsøges sammenstykket i forskellige datakilder og med forskellige definitioner Der er behov for større indsigt i hvordan og hvilke data, der godkendes til DST samt hvordan disse data viderebehandles i nøgletalsløsninger (FLIS og Statistikbanken) Ikke en entydig arbejdsgang ift. arbejdet med data (definition af udtræk, valg af datakilde, opgørelsesmetode ) Systemimplementeri ng Systemopsætning og systemskifte Ledelse og forankring Datakvalitet Kobling af egne data og nøgletal Der er behov for, at der er i højere grad sættes en samlet strategisk retning for arbejdet med data Aktivitetsdata har ikke samme tyngde som System- økonomidata i beslutningsøjemed hvilket påvirker implementering kravet til validitet Behov for kompetenceudvikling og medarbejdere, som kan arbejde i dybden med BI/LIS Dataarbejde isoleres ofte til økonomifunktionen og foregår derfor uden inddragelse af f.eks. fagområdet Der er behov for større klarhed omkring organisering ift. ansvar, rolle- og opgavefordeling Organisering Registreringspraksis og arbejdsgange Data registreres i flere forskellige systemer og ofte manuelt af forskellige personer afikke en entydig arbejdsgang ift. arbejdet med data Kobling (definition af udtræk, valg af datakilde, egne data og opgørelsesmetode ) nøgletal Der mangler et løbende fokus på sikring af datakvaliteten i registreringen af data i kildesystemerne 10

DATAFLOW: FRA BORGER TIL DATA OG STATISTIK På følgende slide ses en illustration af hvordan data opstår i mødet med borgeren og herefter omsættes, valideres og udtrækkes til intern brug i form af ledelsesinformation. Figuren, som også ses til højre, har fokus på de interne processer i kommunen ift. den interne brug og validering af data. Modellen kan opsummeres i seks generiske trin: Datagenerering Datalandskab Datatræk/dataleverance Kvalitetskontrol Behandling af data Præsentation og anvendelse Det er denne 6-trins proces, som sammen med de ovenstående hovedtematikker udgør rammen for nedenstående handlingskatalog. De seks tematikker relaterer sig på forskellige måder til de seks trin i den generiske procesmodel, hvilket er illustreret med et kryds. I følgende handlingskatalog udfoldes hver tematik med de tilhørende procestrin. Dette gøres ved at beskrive de specifikke udfordringer, der knytter sig til det konkrete procestrin, suppleret med konkrete initiativer og redskaber, som kan iværksættes for at imødekomme disse kortlagte udfordringer. 11

SAMMENHÆNG I DATAFLOW OG CENTRALE TEMATIKKER Dataregistrering Centrale tematikker Datalandskab Tidligere system System 3 System 2 Datagenerering Kommunens kildesystem til DST Datatræk/dataleverance Kvalitetskontrol Behandling af data Præsentation og anvendelse af data BI-løsning, regneark etc.. FLIS og DST Kvalitetssikring, tilretning samt godkendelse af datagrundlag Intern og ekstern behandling af data Lokal LISløsning, Statistik -banken. FLIS Datatræk/leverance Kvalitetskontrol Behandling af data Præsentation og anvendelse Datagenerering Datalandskab Ledelse og forankring Organisering Systemopsætning og systemskifte Systemimplementering Registreringspraksis og arbejdsgange Kobling af egne data og nøgletal 12

LEDELSE OG FORANKRING 03/

CENTRALE TEMATIKKER: OVERORDNEDE UDFORDRINGER Systemimplementeri ng Systemopsætning og systemskifte Ledelse og forankring Datakvalitet Kobling af egne data og nøgletal Der er behov for, at der er i højere grad sættes en samlet strategisk retning for arbejdet med data Aktivitetsdata har ikke samme tyngde som System- økonomidata i beslutningsøjemed hvilket påvirker implementering kravet til validitet Behov for kompetenceudvikling og medarbejdere, som kan arbejde i dybden med BI/LIS Organisering Registreringspraksis og arbejdsgange Kobling af egne data og nøgletal 15

Ledelse og forankring Procestrin Beskrivelse af udfordring Handlingsforslag Datagenerering Alle borgere er ikke registreret i samme kildesystem, dvs. det er vanskeligt at skabe et samlet overblik Borgere i rammestyrede tilbud registreres ikke nødvendigvis i kommunens fag- eller økonomisystem Der er ikke et samlet ledelsesfokus på vigtigheden og konsekvensen ved dataregistrering Ledelsen træffer beslutning om hvilke systemer, der skal anvendes til registrering af borgerne, således at alle borgere registreres i kommunens kildesystem Behovet for data er født i ledelsen, men genereres i mødet med borgeren. Skab ledelsesmæssigt ejerskab og forståelse for hvad god datakvalitet betyder for borgerens sagsbehandling og den faglige styring af området Sikre prioritering af opgaverne kan være både datagenopretning, vedligeholdelse og validering (opgaver beskrevet i dette katalog). Det er opgaver, der kræver løbende prioritering af ressourcer hos nøglemedarbejdere. Stille krav til data og dermed til systemunderstøttelse og arbejdet med data Skab forpligtende tværfaglige samarbejder. Nedsæt f.eks. en datagruppe med repræsentanter fra økonomi, analyse, IT og fagområdet gerne med ophæng på en direktør. Skabe forståelse for at aktivitetsdata er ligeså vigtige som økonomidata Introduktionsplaner til nye medarbejdere skal omhandle kommunens tilgang til og brug af data Datalandskab Der er ingen fælles strategi for arbejdet med data. Det kan bl.a. give sig udslag i manglende prioritering af opgaven og knopskydninger på løsninger og brug af data. Der er ikke et samlet ledelsesfokus på vigtigheden og behovet for sikring af datakvalitet på tværs af datakilder Manglende fælles sprog forskellig opfattelse af begreber og definitioner f.eks. indsatser, målgrupper etc. i og på tværs af enheder og tekniske løsninger Udarbejd en fælles datastrategi for kommunen og specifikt for fagområdet Formål og strategi for data og brugen af konkrete datakilder skal være klart for alle involverede Udfyld oversigt over datalandskab Processer, beslutninger etc., der sikrer fælles sprog omkring data dvs. samme opfattelse af begreber og definitioner etc. Kvalitetskontrol Tidskrævende proces som kræver, at der afsættes tid og ressourcer til opgaven, ofte er der kun prioriteret begrænsede ressourcer til denne opgave Behov for flere BI/LIS-kompetencer Validering og brug af data er et fælles ansvar skab inddragende processer på tværs af økonomi og fagforvaltning med de rette kompetencer Løbende kompetenceudvikling ift. arbejdet med data og analyser Organisering Redskaber Se inspirationsslide om krav nedenfor (se redskab 1 og 2) Datalandskab (redskab 3) 16

Ledelse og forankring Procestrin Beskrivelse af udfordring Handlingsforslag Godkendelse af data Manglende aktiv stillingtagen til på hvilket grundlag der træffes beslutning om godkendelse af data til DST. Manglende tydelighed om ansvarsfordeling og roller Tag stilling til på hvilket grundlag data godkendes. Hvilke tal fra hvilke systemer skal DST-tallene valideres op imod og skal de f.eks. tjekkes med lederne af de relevante områder. Byg og opsæt fast godkendelsesrapport i BI-system som godkendelsesgrundlag Definer og fordel roller og ansvar i forhold til det løbende arbejde med data og validering her af. Anvend f.eks. datalandskabet og jeres organisering af voksenområde, økonomi og BI-funktioner som udgangspunkt for drøftelser af de roller og ansvar, der skal defineres og fordeles. Præsentation af Lav efterspørgsel efter og brug af nationale nøgletal og data og benchmarking-indikatorer grundet manglende tillid til det anvendelse præsenterede datagrundlag Manglende fælles sprog data udtrækkes og præsenteres forskellige datagrundlag og definitioner til forskellige dele af organisationen Organisering Redskaber Datalandskab (redskab 3) Ledelsen skal gå forrest og både efterspørge og bruge data aktivt, som en ledelsesdisciplin Ledelsen kan med fordel sørge for at stille opgaver, der skal løses med data (i og på tværs af enheder) bl.a. for at indøve dataforståelse, dataanvendelse og samarbejde om/med data Præsenter løbende data for alle medarbejdere for at skærpe fokus på vigtigheden af god datakvalitet. Ledelsesmæssig fokus på vigtigheden af at handle på dårlig datakvalitet Data skal bruges proaktivt og målrettes modtagerne (f sagsbehandler, teamleder, mm.). Tydeliggør hvad formålet er og hvordan data understøtter styring af området Kortlæg hvem i organisationen, der får ledelsesinformation etc. på baggrund af hvilke datakilder og med hvilke definitioner, og sørg for at sikre sammenhæng i anvendt datagrundlag og definitioner 17

Skab ledelsesmæssig forankring 1 Gode råd til at skabe ledelsesmæssigt fokus og forankring: Hav altid løsningen af kerneopgave i fokus, når I bruger data Afsæt tid og ressourcer til at udforske muligheder med data og til at understøtte de fagprofessionelle med deres eventuelle udfordringer Inddrag direktionen og de øverste niveauer i kommunen fra start, så der sikres opbakningen oppefra og ned til brug og validering af data Inddrag de fagprofessionelle i processen med udvælgelse af data og nøgletal for at skabe lokal relevans og ejerskab over data Vær nysgerrig på egen praksis giv eksplorative dataopgaver, der fremmer nysgerrighed frem for kontrol. Bed f.eks. hvert fagområde om at præsentere relevante nøgletal på fællesmøder for på denne måde at skabe kendskab og nysgerrighed på data. Tag stilling til, hvordan arbejdet med data og ledelsesinformation kan blive et kulturprojekt og ikke alene et teknisk projekt Brug data til at motivere og understøtte udviklingen på fagområdet og som et redskab til at forklare, tydeliggøre og hjælpe, og ikke som et ledelsesmæssigt værktøj til fejlfinding 18

Stil krav til data og dermed til systemunderstøttelsen og arbejdet med data 2 Kravet afhænger altid af fra udgangspunktet, men et eksempel kunne f.eks. være, at data som minimum skal kunne anvendes til: Almindelig økonomi og aktivitetsstyring Kapacitetsstyring og faglig praksis Udviklingen i aktivitet (antal modtagere på paragraffer) og udvikling i udgifter Udvikling i tyngde på tilbud Til og afgang på forskellige ydelser Udvikling i alder aldersfordeling og udvikling i alder ved visitation Varighed for ydelser Opfølgning på implementering af praksisskifte Gennemsnitsomkostninger for forskellige typer af ydelser 19

3 Datalandskab Formål med datalandskabsskabelonen er at skabe et samlet overblik over de forskellige systemer, der indeholder relevant data. Det være sig både aktivitets- og økonomidata. Udover at skabe et fælles overblik, kan datalandskabsskabelonen også bruges til at skabe indsigt i hvem/hvilke afdelinger, der er centrale og ansvarlige for datakvaliteten i de konkrete systemer. Det anbefales, at datalandskabsskabelonen udfyldes i samarbejde på tværs af økonomiog fagområdet Kortlæg jeres datalandskab: 1. Noter hvilke systemer der indeholder økonomiog aktivitetsdata husk både aktive og tidligere systemer hvor historiske data er gemt 2. 3. 4. 5. Noter tidsperiode for data 6. Noter hvilke data der anvendes pr datakilde og hvem der modtager disse 7. Noter den dataansvarlige for/bruger af det konkrete system Noter hvor der er snitflade til DST Noter typen af data pr. datakilde Noter andre borgerrettede oplysninger som kan anvendes til analyser f målgruppe, funktionsniveau FFB mv. 20

3 Datalandskab (incl. vejledning) SYSTEM 1 ① SYSTEM 2 SYSTEM 3 ④ Dataleverance til DST via snitflade Beskrivelse af hvilken type data der er indeholdt i hvert systemet ⑤ Dataindhold ⑥ Brug af data (hvilke data og til hvem) 7 SYSTEM 5 BI - LØSNING Systemer ② ③ SYSTEM 4 Kortlæg jeres datalandskab: 1. Noter hvilke systemer der indeholder økonomi- og aktivitetsdata husk både aktive og tidligere systemer hvor historiske data er gemt 2. Noter tidsperiode for data 3. Noter hvor der er snitflade til DST 4. Noter typen af data pr. datakilde 5. Noter andre borgerrettede oplysninger som kan anvendes til analyser f målgruppe, funktionsniveau FFB mv. 6. Noter hvilke data der anvendes pr datakilde og hvem der modtager disse 7. Noter den dataansvarlige for/bruger af det konkrete system Dataansvarlig/bruger 21

3 Datalandskab (eksempel) SYSTEM 1 Systemer SYSTEM 2 SYSTEM 3 SYSTEM 4 SYSTEM 5 Tidligere fagsystem Neus AS 2007 Dispositionsark Prisme Aktivitetsdata 2014-2017 Aktivitetsdata 2018-20.. Aktivitets- og Økonomidata 2018-20.. Økonomidata 2014-20.. Aktivitets- og Økonomidata 2016-20.. (Ecel-løsning) BI - LØSNING Power BI Dataleverance til DST via snitflade Beskrivelse af hvilken type data der er indeholdt i hvert systemet Alle borgere vi er handlekommune for Alle borgere vi er betalerkommune for med undtagelse af borgere der modtager indsats fra tilbud der er rammestyret Alle borgere vi er betaler- og handlekommune for Dataindhold Angivelse af målgruppe og funktionsvurdering registreres som standard Angivelse af målgruppe, funktionsvurdering eller FFB registreres som standard Angivelse af målgruppe, funktionsvurdering eller FFB registreres ikke som standard Angivelse af målgruppe, funktionsvurdering eller FFB registreres ikke som standard Brug af data (hvilke data og til hvem).. Aktivitetsdata indgår i kvartalsrapport til politisk udvalg for at vise udviklingen.. Aktivitets- og økonomidata indgår i den månedlige opfølgningsrapport til Myndighed Alle borgere vi er betalerkommune for Data fra system 2, 3 og 5 er tilgængelig i BI universet Aktivitet- og økonomidata indgår i Ledelsesinformation 22

3 Datalandskab (skabelon) SYSTEM 1 ① SYSTEM 2 SYSTEM 3 SYSTEM 4 SYSTEM 5 BI - LØSNING Systemer ② ③ ④ Dataleverance til DST via snitflade Beskrivelse af hvilken type data der er indeholdt i hvert systemet ⑤ Dataindhold ⑥ Brug af data (hvilke data og til hvem) 7 Dataansvarlig/bruger 23

ORGANISERING 04/

CENTRALE TEMATIKKER: OVERORDNEDE UDFORDRINGER Systemimplementeri ng Systemopsætning og systemskifte Ledelse og forankring Datakvalitet Kobling af egne data og nøgletal Systemimplementering Organisering Dataarbejde isoleres ofte til økonomifunktionen og foregår derfor uden inddragelse af f.eks. fagområdet Der er behov for større klarhed omkring organisering ift. ansvar, rolle- og opgavefordeling Registreringspraksis og arbejdsgange Kobling af egne data og nøgletal 26

Organisering Organisering Procestrin Beskrivelse af udfordring Handlingsforslag Redskaber Datagenerering Manglende overblik over hvor ansvaret for datavalidering er placeret i organisationen. Manglende samarbejde og uklar opgavefordeling på tværs af forvaltninger Sagsbehandlerne inddrages ikke i arbejdet med data Økonomiforvaltningen har ikke blik for fagområdet i arbejdet med nøgletal og data Skab klarhed over ansvar, roller og opgavefordeling ift. arbejdet med data. Anvend f.eks. datalandskabet og jeres organisering af voksenområde, økonomi og BI-funktioner som udgangspunkt for drøftelser af de roller og ansvar, der skal defineres og fordeles. Etabler rammer for et tættere og vedvarende samarbejde på tværs af forvaltninger (fag- og økonomiforvaltning) Fagforvaltning skal have indblik i hvordan data genereres og kobles til økonomi Økonomimedarbejderne skal have indsigt i hvordan data genereres og kobles til fagområdets styringsbehov Se inspiration til inddragelse af relevante kompetencer (redskab 4) Datalandskab Manglende overblik over systemerne og muligheder i disse på tværs af enheder medfører knopskydning og ekstra systemer, hvilket bl.a. medfører stor ineffektivitet i opgaveløsningen bl.a. pga. dobbelt registreringer og besværliggør løbende opfølgning og overblik. Organisering for at undgå systemknopskydning f.eks. systemadministratorgruppe som godkender nye systemfunktion koordinerer systemudvikling Dataleverance Uklare rollefordelinger for den teknisk ansvarlig kontaktperson og kvitteringsmodtager Hvilke kompetencer kræver hver rolle? Afdækning af rollefordeling (DST-roller) og deres opgave og kompetencekrav for: Teknisk ansvarlig Kvitteringsmodtager Skabelon til rollefordeling (redskab 5) 27

Organisering Organisering Procestrin Beskrivelse af udfordring Handlingsforslag Redskaber Kvalitetskontrol Uklare rollefordelinger for den faglige ansvarlige Hvilke kompetencer kræver denne rolle? Manglende overblik over, hvem der godkender data til DST, og manglende sammenhæng til de øvrige valideringsprocesser for kommunens styrings- og ledelsesinformation Afdækning af rollefordeling (DST-roller) og deres opgave og kompetencekrav for: Fagligt ansvarlige ift. at sikre en løbende validering af data Skabelon til rollefordeling (redskab 5) Præsentation og anvendelse af data Anvendelse og præsentation af data sker organisatorisk dekoblet fra de medarbejdere, der skaber data i mødet med borgeren Etablering af samarbejde på tværs af enheder, der sikrer at datafaglighed, økonomifaglighed og fagfaglighed hvor alle bidrager til kvalitet i den ledelsesinformation etc., der produceres 28

ORGANISERING INDDRAGELSE AF RELEVANTE KOMPETENCER 4 Relevante kompetencer og arbejdsområder Succesfuld arbejde med data og kvalitetssikring heraf kræver et tæt og vedholdende samarbejde på tværs af forvaltninger og arbejdsområder I en sådan proces kunne der med fordel ske inddragelse af ledere og medarbejdere med følgende kompetencer: Ledere/medarbejdere, der repræsenterer ledelsens perspektiv på databrug. Dvs. som har indsigt i de ledelsesmæssige styringsbehov på tværs Medarbejdere, som arbejder med data i en udviklings- og økonomistyring/ledelsesinformationsmæssigt perspektiv Medarbejdere, med viden om systemopsætning, registreringspraksis og arbejdsgange i forhold til data og på fagområdet. Herunder med kendskab til fagområdet og dets enheder og det deraf følgende dokumentations-behov og registreringspraksis 29

Skabelon for rollefordeling i forhold til godkendelse af data i Danmarks Statistik Kontaktpersonstype Rollebeskrivelse Teknisk ansvarlig Teknisk ansvarlig er den person, Danmarks Statistik kan kontakte, hvis der er spørgsmål vedrørende teknikken Kvitteringsansvarlig Kvitteringsmodtager er den person, der skal modtage kvittering fra Danmarks Statistik, når levering af data har fundet sted. Faglig ansvarlig Fagligt ansvarlig er den person, Danmarks Statistik kan kontakte, hvis der er spørgsmål vedrørende indholdet af data. Udpeget i kommunen 5 Mailadresse 30

SYSTEMOPSÆTNING OG -SKIFTE 05/

SAMMENHÆNG I DATAFLOW OG CENTRALE TEMATIKKER Dataregistrering Centrale tematikker Datalandskab Tidligere system System 3 System 2 Datagenerering Kommunens kildesystem til DST Præsentation og anvendelse af data Datatræk/dataleverance Kvalitetskontrol Behandling af data BI-løsning, regneark etc.. FLIS og DST Kvalitetssikring, tilretning samt godkendelse af datagrundlag Intern og ekstern behandling af data Datatræk/leverance Kvalitetskontrol Behandling af data Præsentation og anvendelse Datagenerering Datalandskab Ledelse og forankring Organisering Systemopsætning og systemskifte Systemimplementering Registreringspraksis og arbejdsgange Kobling af egne data og nøgletal Lokal LISløsning, Statistik -banken. FLIS 32

CENTRALE TEMATIKKER: OVERORDNEDE UDFORDRINGER Opsætning/konfigurering af systemerne understøtter ikke altid sagsbehandlernes arbejdsgang Der er behov for at styrke overblikket over anvendte systemer og mulige datakilder Konsekvenserne af og opfølgning på systemskifte ift. datavaliditet og kontinuitet er mangelfuld Systemimplementeri ng Systemopsætning og systemskifte Ledelse og forankring Datakvalitet Kobling af egne data og nøgletal Systemimplementering Organisering Registreringspraksis og arbejdsgange Kobling af egne data og nøgletal 33

Systemopsætning og -skifte Organisering Procestrin Beskrivelse af udfordring Handlingsforslag Datagenerering Ved systemskifte anvendes dato for systemskifte som startdato på aktive ydelser. Det er ydelsens reelle startdato der skal benyttes. Ved systemskifte har alle afsluttede ydelser ikke en slutdato i det gamle fagsystem Konsekvenserne af og opfølgning på systemskifte ift. datavaliditet og kontinuitet er mangelfuld Ved systemskifte: Tværfagligt samarbejde om opsætning med fokus på understøttelse af fagfaglig praksis, analysemuligheder og strategisk sigte Stil krav til systemleverandøren om korrekt opsætning af system ift. dataleverance til DST, FLIS og BI samt om en model for datakonvertering af data i gammelt system til nyt system Ved systemskifte: vær opmærksom på indsatser som opstartes, afsluttes eller ændres lige omkring systemskifte dato Uanset hvor avanceret et nyt system, så vil input af lav datakvalitet altid medføre et forringet output derfor bør data valideres inden skifte Vejledning til systemskifte (DST) (redskab 6 og 7) Stoler ikke på data i fagsystemet. Der arbejdes med manuelle optællinger, skufferegnskaber, disponeringsark mm. og økonomisystemet bliver ofte den primære datakilde frem for fagsystemet Fagsystem indeholder ofte kun data for handlekommune borgere, hvilket gør fagsystemet til en datakilde med ufuldstændigt dataindhold Fagsystemets opsætning er for fleksibel med deraf følgende mange forskellige lokale løsninger f er information om handle/betalerkommune nogle gange registreret på den enkelte indsats og andre gange kun i borgernes stamoplysninger Søgemulighederne i fagsystemerne er begrænsede eller medarbejderne har manglende viden om, hvilke muligheder der er for udtræk af data Adgang til data er udfordret og data kan kun udtrækkes 24 måneder tilbage der er ikke uhindret adgang til egne data Adgangen til data i det gamle fagsystem er begrænset, og det er ikke muligt at ændre data Skab overblik og enighed om hvilke data vi bruger til hvad. Hvilken datakilde er den centrale ift. aktivitetsdata etc. Dette kan gøres i et samarbejde mellem enheder og det er også muligt at samle data så det er muligt at trække ALLE data fra samme kilde f.eks. BI-løsning - en fælles indgang til data Kravspecifikation til nyt system f.eks. Og ikke : o Krav om uhindret adgang til egne data o Udtræksmulighed, brugbarhed og de konkrete styringsformål skal også være i centrum o Korrekt opsætning af system ift. dataleverance til DST, FLIS og BI samt om en model for datakonvertering af data i gammelt system til nyt system o FFB datastruktur Udarbejd en fælles tilgang til hvordan systemet skal opsætte og understøtte såvel sagsbehandling som analysemuligheder Skab overblik over datalandskabet Tværfagligt samarbejde og kompetenceudvikling i systembrug for at understøtte fagfaglig praksis, analysemuligheder og strategisk sigte Udarbejd en fælles datastrategi der understøtter valg af system og deraf følgende krav til systemleverandør ved systemskifte Datalandskab (redskab 3) Datalandskab Redskaber Se tjekliste med opmærksomhedspunkter ved systemskifte (redskab 8) 34

Systemopsætning og -skifte Organisering Procestrin Beskrivelse af udfordring Handlingsforslag Redskaber Dataleverance Det er ikke muligt at tilgå tidligere anvendte systemer og rette evt. fejl i datagrundlaget Det er ikke muligt at rette i data i tidligere år, da data låses ved årsskifte pga at systemet er opsat som et økonomisystem Borgere, hvis indsats afsluttes eller opstartes omkring tidspunktet for systemskifte, indgår ikke i L402 leverancen Manglende opmærksomhed på konsekvensen af ændrede indberetningskrav. Kræver typisk at opsætning af fagsystem og snitflade tilpasses Vedligeholdelse af snitflade til DST og tilpasning ift. konverteringstabeller i egne systemer. F.eks. jævnlige tjek af om den registrerede DST-kode i fagsystemet matcher indsatsen og om der er flueben i overførsel til DST Brug nyudviklet systemskifterapport fra DST, der udsendes samtidig med at data skal godkendes. Ottetalskontrol (redskab 10) Masteroversigt (redskab 9) Godkendelse af data Manglende indsigt i hvilket datagrundlag der ligger til grund for godkendelse af data til DST Byg og opsæt fast godkendelsesrapport i BI-system som godkendelsesgrundlag Kravspecifikation L402 (redskab 7) Præsentation og anvendelse af data Anvendelse af data er ikke tænkt ind fra start i forbindelse med opsætning af system Behovet for at tilgå historiske data bliver overset ved systemskifte Afdæk og specificer behov for data fra begyndelsen, så systemet sættes op på en måde, der medfører, at data kan trækkes ud. Definer, hvad I skal anvende data til se f.eks. slide om krav til data og dermed til systemunderstøttelse og arbejdet med data. Sørg for at adgang til historik bevares og/eller at data overføres til nyt system (og at data er kompatible) Se inspirationsslide om krav til data og dermed til systemunderstøttel se og arbejdet med data (redskab 8) Vejledning til systemskifte (DST) (redskab 6) Kravspecifikation L402 (redskab 7) 35

6 Systemskifte Gammelt system Nyt system Se også link fra Danmark Statistik omkring vejledning til leverandørerne ifb. med systemskifte: https://www.dst.dk/da/indberet/oplysningssider/handicap-ogudsatte-voksne 36

Gældende bekendtgørelser, kravspecifikation L402, årshjul mv. 7 https://www.dst.dk/da/indberet/oplysningssider/handicap-og-udsatte-voksne 37

TJEKLISTE VED SYSTEMSKIFTE 8 Tjekliste med vigtige opmærksomhedspunkter Ø Data skal være validerede inden systemskifte. Dette skyldes bl.a., at data er vanskelige at rette, når systemet først er lukket Ø Hvis ikke alt data indlæses i det nye system, skal der være styr på hvilke data, der er fremover skal udlæses til DST og FLIS fra hhv. det gamle og det nye system Ø Vær opmærksom på afsluttede sager. Borgere, hvis indsats er afsluttet, og derfor ikke tages med over i det nye system, vil stadig blive indlæst til DST og FLIS fra det gamle system. Hvis der er behov for at rydde op i disse data, skal det derfor gøres inden det gamle system afsluttes, ellers vil data med forkerte ydelseskoder eller lign. fortsat indlæses forkert Ø Vær opmærksom på indsatser, der opstartes, ændres eller afsluttes lige omkring tidspunktet for systemskiftet, da disse er i fare for at blive glemt, indlæst forkert mv. Ø Vær opmærksom på at sikre, at hele populationen fra det gamle system kommer med over i det nye system (herunder, at man har haft hele populationen i det gamle system). Hvis der ikke er fokus herpå, er der risiko for databrud, hvor antallet af modtagere stiger/falder voldsomt ved systemskifte 38

SYSTEMIMPLEMENTERING 06/

CENTRALE TEMATIKKER: OVERORDNEDE UDFORDRINGER Systemer er ikke implementeret og integreret med blik for styringsbehov Systemimplementering er ikke kun et teknisk projekt Systemimplementeri ng Systemopsætning og systemskifte Ledelse og forankring Datakvalitet Kobling af egne data og nøgletal Systemimplementering Organisering Registreringspraksis og arbejdsgange Kobling af egne data og nøgletal 41

Systemimplementering Organisering Procestrin Beskrivelse af udfordring Handlingsforslag Redskaber Datagenerering Manglende etablering af arbejdsgange og praksis og oplæring af medarbejdere inden systemet tages i brug medfører uensartet anvendelse af system Sikre, at alle medarbejdere, der skal anvende systemet er oplært, forstår betydningen af indtastningerne i systemet og hvordan data skal bruges Skabelse af fælles sprog omkring begreber og definitioner f.eks. indsatser, målgrupper, start og stop datoer. Anvend som minimum definitionerne fra det fælles indsatskatalog fra FFB-projektet Etablering af fælles arbejdsgange som en del af implementeringen Link til FFB: Materialer (kl.dhttps://www.kl. dk/kommunaleopgaver/socialomra adet/faelles-fagligebegreber/materiale r/k) Datalandskab Implementeringen af parallelle systemer uden blik for styringsbehov for området De forskellige parallelle systemer afstemmes ikke nødvendigvis løbende Fagsystemet er implementeret i flere afdelinger (ældre og sundhed og socialområdet) og det udfordrer brugen, da opsætningen og styringsformålet er forskelligt Varierende fokus på at sikre den løbende datakvalitet i de forskellige systemer Manglende forståelse eller kendskab til systemernes muligheder (dataudtræk, analyse, valg af datofelt mm) Overblik over hvorvidt eller hvordan systemerne er integreret med hinanden Saml data, så det er muligt at trække ALLE data fra samme kilde en fælles adgang til data Kompetenceudvikling af superbrugere 42

REGISTRERINGSPRAKSIS OG ARBEJDSGANGE 07/

SAMMENHÆNG I DATAFLOW OG CENTRALE TEMATIKKER Dataregistrering Centrale tematikker Datalandskab Tidligere system System 3 System 2 Datagenerering Kommunens kildesystem til DST Præsentation og anvendelse af data Datatræk/dataleverance Kvalitetskontrol Behandling af data BI-løsning, regneark etc.. FLIS og DST Kvalitetssikring, tilretning samt godkendelse af datagrundlag Intern og ekstern behandling af data Datatræk/leverance Kvalitetskontrol Behandling af data Præsentation og anvendelse Datagenerering Datalandskab Ledelse og forankring Organisering Systemopsætning og systemskifte Systemimplementering Registreringspraksis og arbejdsgange Kobling af egne data og nøgletal Lokal LISløsning, Statistik -banken. FLIS 44

CENTRALE TEMATIKKER: OVERORDNEDE UDFORDRINGER Systemimplementeri ng Systemopsætning og systemskifte Ledelse og forankring Datakvalitet Kobling af egne data og nøgletal Systemimplementering Organisering Registreringspraksis og arbejdsgange Data registreres i flere forskellige systemer og ofte manuelt af forskellige personer afikke en entydig arbejdsgang ift. arbejdet med data Kobling (definition af udtræk, valg af datakilde, egne data og opgørelsesmetode ) nøgletal Der mangler et løbende fokus på sikring af datakvaliteten i registreringen af data i kildesystemerne 45

Registreringspraksis og arbejdsgange Organisering Procestrin Beskrivelse af udfordring Handlingsforslag Redskaber Datagenerering Data registreres i flere forskellige systemer og ofte manuelt af forskellige personer Forskellige krav til omfanget af registreringer for de enkelte borgere for f. eksterne tilbud eller rammestyrede områder medfører et uensartet og ufuldstændigt datagrundlag Medarbejderne anvender systemerne forskelligt og der er behov for yderligere kendskab til arbejdsgange, arbejdsbeskrivelser mv. for at skabe en fælles registreringspraksis Uklar navngivning og mange valgmuligheder skaber usikkerhed ift. datofelter, valg af leverandører, paragraffer og indsatser Manglende opmærksomhed på konsekvensen af ændrede indberetningskrav. Kan f kræve at indsatser skal tilpasses Fagområdet præsenteres ikke løbende for data hvilket betyder, at de ikke gøres opmærksom på konsekvensen af deres registreringspraksis Reducere antallet af manuelle arbejdsgange ift. registrering af data for at sikre god datakvalitet Skab overblik over datalandskabet Masteroversigt over koblingen mellem fagsystem, økonomi og overførsel til DST Alle ydelser skal være underlagt de samme detaljeringskrav i registreringerne (herunder også rammestyrede områder) Løbende fokus på oplæring i system og registreringspraksis Arbejd med at skabe en ensartet registreringspraksis. Hvad betyder det konkrete felt og hvordan skal de udfyldes? Organisationen - fra topledelse til den enkelte sagsbehandlerpræsenteres regelmæssigt for data, giver f indblik i konsekvenserne af registreringer eller valg af data Præsenter, valider, præsenter, valider Vær opmærksom på ændringer i forbindelse med DST sanering i 2018 hvor snitfladen ændres fra L401 til L402 Datalandskabet (redskab 3) Masteroversigt (redskab 9) Bilag 1: Konvertering af ydelser i forbindelse med saneringen (DST) Datalandskab Ikke ét system med ét fuldstændigt datagrundlag betyder at analyser skal sammenstykkes af flere kilder Ingen samlet entydig definition på hvordan data tilgås så samme spørgsmål besvares forskelligt alt efter hvem der spørges Manglende overblik over aktivitetsdata i de forskellige systemer hvor hentes hvilke data til konkrete analyser? Skab overblik over datalandskabet Øge indsigten i registreringspraksis i og på tværs af systemer. Hvad betyder det konkrete felt og hvilke felter skal anvende i analyse øjemed? Datalandskabet (redskab 3) 46

Registreringspraksis og arbejdsgange Procestrin Beskrivelse af udfordring Handlingsforslag Datalandskab (fortsat) Der mangler domænekendskab dvs. indsigt i de enkelte systemkilders datafelter (datofelter, indsatser, paragraffer, leverandører mv.) Kvalitetskontrol Data hentes fra et væld af forskellige systemer med egen registreringspraksis, som ikke afstemmes løbende på tværs af systemerne Aktivitetsdata til Danmarks Statistik godkendes af økonomiafdelingen ofte uden involvering af fagområde Udarbejde god praksis for og formaliseret beskrivelser af løbende validering af data mellem datakilderne - vedligeholdelse af data er en permanent opgave I proceduren for godkendelse af data til Danmarks Statistik inddrages fagområdet Præsentation og anvendelse af data Manglende fast definerede arbejdsgange ift. standardudtræk medfører flere forskellige svar på samme spørgsmål Manuelle filtreringer af data skaber uigennemsigtighed og øger risici for fejl, f.eks. korrekt opgørelse af helårspersoner Ingen klare beskrivelser af hvordan data skal opgøres (f helårspersoner) Grundanalyser udarbejdes som faste analyser, således at der ikke startes forfra for hver analyse f en fast rapport med som viser alle borgere kommunen betaler for. Denne rapport skal herefter kunne filtreres alt efter hvilken konkret paragraf, der har interesse Udarbejd tydelige arbejdsbeskrivelser af, hvordan og hvilke data, som omsættes til nøgletal Organisering Redskaber Datalandskabet (redskab 3) Opsætning af faste ottetalskontrol (redskab 10 og 11) 47

Masteroversigt 9 Formål At skabe overblik over sammenhængen mellem de forskellige ydelsers registrering i forskellige systemer Konkret Oversigten viser f.eks. hvad en ydelse har af paragraf, hvad den tilhørende DSTkode er og hvor udgifterne forbundet med ydelsen skal konteres i den autoriserede kontoplan Nedenstående oversigt indeholder alle de officielle kategorier. Vi anbefaler, at kommunen supplerer med egne kategorier f.eks. konkrete indsatser, administrativ eller politisk organisering etc. 48

Masteroversigt 9 49

Ottetalskontrol 10 Formål Kontrol af om stamdata er ens på tværs af forskellige datakilder. Dvs. sikring af om modtagerne er registreret med samme ydelser, start- og stopdatoer etc. i alle de forskellige systemer ydelsen registreres i Skal sikre at al beslutningsinformation udarbejdes på ens og korrekt grundlag Fremgangsmåde Registreringerne i systemerne skal sammenlignes modtagere, der evt. kun er registreret i de ene eller andet system skal identificeres afvigelser mellem registreringer på modtagerne i de forskellige systemer skal identificeres Registreringerne skal berigtiges afvigelser gennemgås med f.eks. systemadministrator og/eller sagsbehandlere (afhængig af hvilken faglighed der er behov for i vurderingen af hvilken registrering, der er korrekt) registreringerne tilrettes i de relevante systemer 50

Løbende validering af data Ottetals kontrol System 3 Opsætning af kontrolrapporter der kan kontrollere en forespørgsel på en forespørgsel System 2 10 System 1 med snitflade til DST Findes der andre borgere i System 2 som ikke findes i System 1 (pr. paragraf)? Findes der andre borgere i System 1 som ikke findes i System 2 (pr. paragraf)? Hvad er borgeren bevilliget i System 2 der er forskelligt fra bevilliget ydelse i System 1 (pr. paragraf)? Hvad er borgeren bevilliget i System 1 der er forskelligt fra bevilliget ydelse i System 2 (pr. paragraf)? 51

KOBLING AF EGNE DATA OG NØGLETAL 08/

CENTRALE TEMATIKKER: OVERORDNEDE UDFORDRINGER Systemimplementeri ng Systemopsætning og systemskifte Forklaringskraften ift. aktivitetsdata forsøges sammenstykket i forskellige datakilder og med forskellige definitioner Der er behov for større indsigt i hvordan og hvilke data, der godkendes til DST samt hvordan disse data viderebehandles i nøgletalsløsninger (FLIS og Statistikbanken) Ikke en entydig arbejdsgang ift. arbejdet med data (definition af udtræk, valg af datakilde, opgørelsesmetode ) Ledelse og forankring Datakvalitet Kobling af egne data og nøgletal Systemimplementering Organisering Registreringspraksis og arbejdsgange Kobling af egne data og nøgletal 54

Kobling af egne data og nøgletal Organisering Procestrin Beskrivelse af udfordring Handlingsforslag Redskaber Datagenerering Manglende indsigt og forståelse i hvordan data er genereret og hvordan registreringer omsættes og bruges i nøgletalsløsninger Der foregår ikke en løbende behovsafdækning, hvor aktivitets- eller økonomidata omsættes til faglige nøgletal Vanskeligt at skabe tillid til egne data præsenteret i nøgletalsløsninger samt benchmarkinganalyser da egne data ikke kan genkendes Skab adgang til data helt ud i organisationen for at sikre ejerskab, kendskab og genkendelighed Sikre bredere anvendelse af data også fra FLIS og Danmarks statistik med henblik på at undres og undersøge evt. fejlkilder Data- og ledelsesinformationsarbejdet samles, således, at der kun er én fælles indgang til data Præsenter løbende fagområdet for data og udvikle nøgletal der imødekommer behovet for ny faglig viden Præsenter, valider, udvikle, præsenter, valider, udvikle Datalandskab Manglende overblik over hvorfra data eksporteres til eksterne nøgletalsløsninger Kildesystemet indeholder ikke nødvendigvis alle indberetningspligtige ydelser/ borgere Indberetningsdata er ikke registreret korrekt ift. kravene i L402 f manglende flueben i DHV rapportering for den enkelte ydelse, forkert angivelse af status, forkert anvendt datofelt, handlekommune er kun angivet på borgerens stamdata mm. Skab overblik over datalandskabet med angivelse af hvor snitfladen ligger Udarbejde god praksis for og formaliseret beskrivelser af løbende validering af data mellem datakilderne og DST - vedligeholdelse af data er en permanent opgave Anvend den fælleskommunale datastandard Fælles Faglige Begreber på tværs i datalandskabet Datalandskabet (redskab 3) Opsætning af faste ottetalskontrol (redskab 10 og 11) Fælleskommunalt FFB-indsatskatalog (www.kl.dk/ffb) Kvalitetskontrol Snitfladen mellem fagsystem og DTS er ikke sat rigtigt op ift. relevante paragraffer og snitfladen vedligeholdes ikke løbende. F.eks. kan flueben i overføres til DST mangle, DST-kode matcher ikke ydelsens paragraf Uklar procedure for og rollefordeling i forbindelse med kvalitetskontrol Udarbejde god praksis for og formaliseret beskrivelser af løbende validering af data mellem datakilderne og DST - vedligeholdelse af data er en permanent opgave Brug revideret udgave af godkendelsesrapporten fra DST Opsætning af faste ottetalskontrol (redskab 10 og 11) Godkendelsesrapport fra DST (redskab 12) Opmærkningerne i FLIS (redskab 14) 55

Kobling af egne data og nøgletal Organisering Procestrin Beskrivelse af udfordring Handlingsforslag Redskaber Ekstern behandling af data Det er vanskeligt at gennemskue, hvordan data efterbehandles i nøgletalsløsningerne Tallene er ikke ens i de forskellige nøgletalsløsninger Omregning til fuldtidsydelser i DST udfordrer genkendeligheden af egne data Der er usikkerhed om hvordan data renses og opgøres i DST og FLIS Forstå og få indsigt i hvordan DST behandler/ bruger forretningsregler vedr. f overlappende ydelser Brug de nye opmærkninger i FLIS til at skabe forståelse og validere data Anvend den fælleskommunale mapningsvejledning ved indberetning af data, der er registreret med den fælleskommunale datastandard Fælles Faglige Begreber DST s beskrivelse vedr. databehandling af overlapning af ydelser (redskab 13) Inspiration til brug af de nye opmærkninger i FLIS (udarbejdes på baggrund af 3 kommuneforløb, se redskab 14) Fælleskommunal FFBmapningsvejledning (www.kl.dk/ffb) Præsentation af Lav efterspørgsel efter og brug af nationale nøgletal data og benchmarking-indikatorer grundet manglende Sikre god datakvalitet i HELE dataflowet således, at der skabes ejerskab, genkendelighed og tillid til data der tilgår nøgletalsløsningerne Øg kendskabet til data og datamuligheder i Danmark Statistik og FLIS tillid til det præsenterede datagrundlag 56

Løbende validering af data Ottetals kontrol System 3 System 2 Opsætning af kontrolrapporter der kan kontrollere en forespørgsel på en forespørgsel System 1 med snitflade til DST 11 DST Findes der borgere i System 1 som ikke findes i DST? (Eksempel - indsatsstatus er ikke korrekt eller manglende v i DHV rapportering) Stemmer ydelse/indsats i System 1 med ydelseskode i DST? (Eksempel Ydelseskode er ikke korrekt ift. bevillingsparagraf) 57

Godkendelsesrapport 12 Oversigtstabel data opgjort pr. kvartal Antal ydelsesmodtagere pr. paragraf Fejllister der indgår i godkendelsesrapporten Ugyldige ydelseskoder Ugyldige målgruppekoder Antal ydelser med manglende startdato Antal ydelser med ugyldig startdato Antal ydelser med slutdato før startdato Antal opholdsydelser der mangler p-oplysninger Antal ydelser med fremtidig slutdato 58

Databehandling overlappende ydelser 13 Eksempel på behandling af overlap (uddrag fra DST s vejledning) 59

Opmærkninger i FLIS 14 Erfaringerne fra partnerskabet viser, at der er en vis usikkerhed om, hvordan og hvorvidt data efterbehandles i de eksterne nøgletalsløsninger. Til det formål er der udviklet en ny funktionalitet i FLIS, der kan hjælpe den enkelte kommune med at blive klogere på, hvor og hvorfor der kan opstå uoverensstemmelser mellem egne opgørelser g det der udgives i DST og FLIS. Den nye funktionalitet opmærker data og viser bl.a. hvilke data der fjernes ved f.eks. overlappende ydelser, ved ugyldige ydelseskoder, eller hvis der ved en fejl er indsendt data på borgere, der grundet deres alder endnu ikke hører til på voksenområdet mm. Opmærkningerne er dermed et yderligere redskab til at finde fejlregistreringer i data. De tre test, der i samarbejde med tre kommuner, har til formål at teste de nye opmærkningerne i FLIS og herunder beskrive hvordan kommunerne kan anvende disse i arbejdet med at forbedre datakvaliteten og sikre større tillid til data, er grundet covid-19 blevet sat på pause, men forventes igangsat igen i løbet af foråret 2021 60

METODE OG DELTAGERKOMMUNER I PARTNERSKABET OM DATAKVALITET 0X/

PROCESSEN FOR PARTNERSKABET 3 FLIS-forløb Med fokus på test af den nye funktionalitet 62

Deltagere i partnerskabet Brønderslev Jammerbugt Aalborg Mariagerfjord Struer Lemvig Varde Vejle Vejen Sønderborg Faaborg-Midtfyn Danmarks Statistik Nyborg Svendborg Gribskov Helsingør Roskilde Høje-Taastrup Holbæk Kalundborg Slagelse Vordingborg Social- og Indenrigsministeriet 63

Deltagere i partnerskabet systempakker Lemvig Neus, KMD DSS, power-bi Roskilde Neus, AS2007, Targit Holbæk Neus, disponeringsmodel (ecelark der indlæses i kube til BI) Vejle Neus, Power-BI, KMD børn og Voksne Vejen Neus, AS2007 Mariagerfjord Neus, SBSYS, KMD Insight, OPUSøkonomi og Løn og Personale-data Nyborg Neus Varde Neus, Opus-Lis, KMD Børn og Voksen Brønderslev Neus, Opus-Lis FaaborgMidtfyn Neus, targit Gribskov Neus, Calibra Svendborg Neus Høje-Taastrup Sensum, Calibra, SAS Sønderborg Vitae, DXC, Manuelt opdaterede lister Kalundborg Sensum, Brugerdata Vordingborg Vitae Helsingør Neus, KMD Børn og Voksne (bruges til LIS og økonomi), Calibra (disponering), LIS udarbejdes med SAS Jammerbugt AS2007, SBSYS, Neus, Targit Aalborg AS2007, CURA Struer Neus og økonomistyring/disponeringsregneark Slagelse Incorp, Sensum 64